[发明专利]物品推荐网络训练方法、装置、电子设备及存储介质

权利要求书

1.一种物品推荐网络训练方法，其特征在于，包括：

基于第一物品推荐网络对用户账号的账号数据和物品的物品数据分别进行特征提取，得到账号特征和物品特征，基于所述账号特征和所述物品特征，确定所述用户账号和所述物品之间的第一匹配度；

基于第二物品推荐网络，对所述账号特征、所述物品特征以及目标组合数据进行特征提取，得到目标特征，基于所述目标特征，获取所述用户账号和所述物品之间的第二匹配度，所述目标组合数据为将所述账号数据中的一种属性与所述物品数据中的一种属性组合得到的数据；

根据第一差异和第二差异，对所述第一物品推荐网络进行训练，所述第一差异为所述第一匹配度和参考匹配度之间的差异，所述第二差异为所述第二匹配度与所述参考匹配度之间的差异。

2.根据权利要求1所述的物品推荐网络训练方法，其特征在于，所述基于第二物品推荐网络，对所述账号特征、所述物品特征以及目标组合数据进行特征提取，得到目标特征，包括：

基于所述账号特征和所述物品特征，获取至少一个待处理特征；

基于第二物品推荐网络，对所述至少一个待处理特征以及目标组合数据进行特征提取，得到目标特征。

3.根据权利要求2所述的物品推荐网络训练方法，其特征在于，所述基于所述账号特征和所述物品特征，获取至少一个待处理特征，包括下述任一项：

对所述账号特征和所述物品特征进行处理，得到至少一个综合特征，将所述至少一个综合特征作为所述至少一个待处理特征；

对所述账号特征和所述物品特征进行处理，得到至少一个综合特征，将所述至少一个综合特征、所述账号特征和所述物品特征分别作为一个待处理特征。

4.根据权利要求3所述的物品推荐网络训练方法，其特征在于，所述对所述账号特征和所述物品特征进行处理，得到至少一个综合特征，包括下述至少一项：

获取所述账号特征和所述物品特征的哈达玛积，将所述哈达玛积作为一个综合特征；

获取所述账号特征和所述物品特征的哈达玛积，对所述哈达玛积中的元素进行求和处理，得到一个综合特征；

基于深度神经网络，对所述账号特征和所述物品特征进行前向计算，得到一个综合特征。

5.根据权利要求2-4任一项所述的物品推荐网络训练方法，其特征在于，所述基于第二物品推荐网络，对所述至少一个待处理特征以及目标组合数据进行特征提取，得到目标特征，包括：

基于第二物品推荐网络，对所述至少一个待处理特征、目标组合数据、所述账号数据和所述物品数据进行特征提取，得到目标特征。

6.根据权利要求1所述的物品推荐网络训练方法，其特征在于，所述方法还包括：

响应于对目标用户账号和目标物品的推荐指令，基于训练好的所述第一物品推荐网络，对所述目标用户账号的账号数据和所述目标物品的物品数据分别进行特征提取，得到目标账号特征和目标物品特征；基于所述目标账号特征和所述目标物品特征，确定所述目标用户账号和所述目标物品之间的第三匹配度；

响应于所述第三匹配度满足推荐条件，向所述目标用户账号推荐所述目标物品。

7.一种物品推荐网络训练装置，其特征在于，包括：

处理单元，被配置为执行基于第一物品推荐网络对用户账号的账号数据和物品的物品数据分别进行特征提取，得到账号特征和物品特征，基于所述账号特征和所述物品特征，确定所述用户账号和所述物品之间的第一匹配度；

所述处理单元，还被配置为执行基于第二物品推荐网络，对所述账号特征、所述物品特征以及目标组合数据进行特征提取，得到目标特征，基于所述目标特征，获取所述用户账号和所述物品之间的第二匹配度，所述目标组合数据为将所述账号数据中的一种属性与所述物品数据中的一种属性组合得到的数据；

训练单元，被配置为执行根据第一差异和第二差异，对所述第一物品推荐网络进行训练，所述第一差异为所述第一匹配度和参考匹配度之间的差异，所述第二差异为所述第二匹配度与所述参考匹配度之间的差异。